Nous proposons ici une méthode afin de localiser des zones d’intérêts (contours, silhouettes) dans les images 2D. Plus précisément, nous orienterons notre étude sur la localisation des objets multi-parties, tels les objets manufacturés par l’humain ou naturels, au moyen d’images complexes incluant un potentiel arrière-plan et de lourdes textures. Comme la littérature démontre bien que les méthodes de traitement local ne savent pas en général donner des résultats à la hauteur de toutes les attentes, on optera pour une technique reflétant beaucoup plus l’intelligence humaine : un traitement qui regardera l’image en entier et pas systématiquement aveuglé au-delà d’un certain rayon de pixels.

On débute donc par découper les frontières de l’image en morceaux de contours droits ou courbes. Puis, on génère l’arbre des possibilités en sélectionnant, ordonnant et regroupant un à un ces morceaux de frontière selon un ensemble de critères décrivant bien les objets multi-parties. Ceci nous fournit un ensemble de contours un peu partout dans l’image : dans l’arrière-plan, les textures internes à l’objet représenté ainsi que sur la silhouette de cet objet. Nous pouvons ensuite combiner ces pièces afin de déterminer la silhouette complète de l’objet principal.

Le résultat de l’algorithme peut se présenter sous de multiples facettes. Premièrement, on peut regarder uniquement LA meilleure forme complète trouvée, ou encore l’ensemble des quelques meilleures comparativement aux pires. On peut aussi résumer les solutions proposées par le taux d’utilisation de chaque morceau de contour en dessinant une carte en niveau de gris. Plus l’élément est visible, plus il est commun de le retrouver dans l’ensemble des solutions.

The CVSL seminars are held on Fridays at 11:30 a.m. in room PLT-2700.